Kunlun-Storage vs PostgreSQL OLTP 测试

一、Kunlun-Storage简介

KunlunStorage是泽拓科技基于Percona-mysql-8.0.26优化的数据库存储服务器，作为KunlunDB分布式数据库的存储节点，我们对percona-mysql做了大量性能增强，补足了其在XA事务处理的容灾和错误处理方面的空白，并增加了一些昆仑数据库集群整体需要的功能，包括fullsync复制，update/delete...returning语句等。

二、测试环境

测试软件：

sysbench 1.1.0-df89d34 (using bundled LuaJIT 2.1.0-beta3（AWS 云上环境）

sysbench 1.0.20 (using system LuaJIT 2.1.0-beta3）（本地部署环境）

服务器配置：

PostgreSQL和Kunlun-Storage各部署在一台：亚马逊i3.4xlarge（CPU 8cores 16 Threads,内存:122G，存储:2个1900 NVMe SSD）上（AWS 云上环境）

PostgreSQL和Kunlun-Storage各部署同一台服务器上（CPU 16 cores 32 Threads, 内存: 64G，存储:1个 NVMe SSD）上（本地部署环境）

软件版本：

Postgresql：PostgreSQL 14.2 onx86_64-pc-linux-gnu

Kunlun-Storage:8.0.26-16-kunlun-storage

数据库参数配置：

PostgreSQL：

shared_buffers = 32768MB
wal_level = replica
fsync = on         
synchronous_commit = on       
wal_sync_method = fdatasync 
full_page_writes = on  

Kunlun-Storage:

innodb_buffer_pool_size  32768MB
inndo_flush_at_trx_commit=1
sync_binlog=1
innodb_use_fdatasync = 1

测试背景：

PostgreSQL和Kunlun-Storage采用默认的安装配置，只调整了内存参数及上述几个参数，整个测试过程PostgreSQL和Kunlun-Storage没有任何优化行为。

三、测试数据

测试软件：

sysbench 1.1.0-df89d34 (using bundled LuaJIT 2.1.0-beta3（AWS 云上环境）

sysbench 1.0.20 (using system LuaJIT 2.1.0-beta3）（本地部署环境）

Sysbench测试场景：

场景一 ：oltp_write_only

每个事务执行如下4种操作：execute_index_updates()、execute_non_index_updates()、execute_delete_inserts()

场景二：oltp_update_index

每个事务执行如下1种操作：execute_index_updates()

场景三：oltp_update_non_index

每个事务执行如下1种操作：execute_non_index_updates()

场景四：oltp_read_write.lua

每个事务执行如下7种操作：execute_simple_ranges(),execute_sum_ranges()、 execute_order_ranges()、execute_distinct_ranges()、execute_index_updates()、execute_non_index_updates()、execute_delete_inserts()

各个操作操作对应的SQL语句如下：

sum_ranges = {
      "SELECT SUM(k) FROMsbtest%u WHERE id BETWEEN ? AND ?",
       t.INT, t.INT},
order_ranges = {
      "SELECT c FROMsbtest%u WHERE id BETWEEN ? AND ? ORDER BY c",
       t.INT, t.INT},
distinct_ranges = {
      "SELECT DISTINCT cFROM sbtest%u WHERE id BETWEEN ? AND ? ORDER BY c",
      t.INT, t.INT},
index_updates = {
      "UPDATE sbtest%uSET k=k+1 WHERE id=?",
      t.INT},
non_index_updates = {
      "UPDATE sbtest%uSET c=? WHERE id=?",
      {t.CHAR, 120}, t.INT},
deletes = {
      "DELETE FROMsbtest%u WHERE id=?",
      t.INT},
inserts = {
      "INSERT INTOsbtest%u (id, k, c, pad) VALUES (?, ?, ?, ?)",
      t.INT, t.INT, {t.CHAR,120}, {t.CHAR, 60}}

测试数据量：

--tables=18 --table-size=10000000

表占用操作系统存储空间：36G

测试脚本：

测试的sysbench 的线程从64 到900 ，每个线程案列执行10分钟，每个场景连续测试时间140分钟。

Kunlun-Storage:

sysbench /usr/local/share/sysbench/oltp_write_only.lua--db-driver=mysql --mysql-host=172.31.41.115 --mysql-port=6001 --mysql-user=pgx --mysql-password=pgx_pwd--mysql-db=vpgtest --tables=18 --table-size=10000000 --report-interval=10--threads=64 --time=600  run
 
sysbench/usr/local/share/sysbench/oltp_update_index.lua --db-driver=mysql --mysql-host=172.31.41.115  --mysql-port=6001 --mysql-user=pgx--mysql-password=pgx_pwd --mysql-db=vpgtest --tables=18 --table-size=10000000--report-interval=10 --threads=64 --time=600  run 

sysbench/usr/local/share/sysbench/oltp_update_non_index.lua  --db-driver=mysql--mysql-host=172.31.41.115 --mysql-port=6001 --mysql-user=pgx --mysql-password=pgx_pwd--mysql-db=vpgtest --tables=18 --table-size=10000000 --report-interval=10--threads=64 --time=600  run 

Threads 变化范围：64-128-192-......900

PostgreSQL:

sysbench/usr/local/share/sysbench/oltp_read_write.lua --db-driver=pgsql--pgsql-host=172.31.44.208 --pgsql-port=5432 --pgsql-user=postgres --pgsql-password=postgres--pgsql-db=postgres --tables=18 --table-size=10000000 --report-interval=10--threads=64  --time=600 run
 
sysbench /usr/local/share/sysbench/oltp_update_index.lua--db-driver=pgsql --pgsql-host=172.31.44.208 --pgsql-port=5432 --pgsql-user=postgres --pgsql-password=postgres--pgsql-db=postgres --tables=18 --table-size=10000000 --report-interval=10--threads=64  --time=600 run

sysbench/usr/local/share/sysbench/oltp_update_non_index.lua --db-driver=pgsql--pgsql-host=172.31.44.208 --pgsql-port=5432 --pgsql-user=postgres --pgsql-password=postgres--pgsql-db=postgres --tables=18 --table-size=10000000 --report-interval=10--threads=640  --time=600  run

Threads 变化范围：64-128-192-......900

四、 AWS 云上环境测试结果

oltp_write_only 测试

oltp_update_index 测试

oltp_update_non_index 测试

五、本地部署测试结果

oltp_write_only 测试

oltp_update_index 测试

oltp_update_non_index 测试

oltp_read_write 测试

六、测试结果及总结

1. 在OLTP write-only、oltp -read-write和OLTP update_index场景下，Kunlun-Storage性能明显优于PostgreSQL。

需要强调的是，PostgreSQL只要更新任何一个索引字段，都需要在所有索引中插入新的索引行指向新版本的数据行，此时HOTupdate无法发挥作用。

因此，update_index的性能会大幅落后于MySQL。

在实际生产系统中，更新到索引列是非常常见的现象，特别是还有Vacuum带来的IO消耗大幅增长，所以PostgreSQL的通用的写入性能就相对较差。

2. 在OLTP update_non_index场景下，PostgreSQL的tps性能高于Kunlun-Storage，但95 percent delay也高于KunlunStorage，这表明在更新的字段不是索引字段的场景下，由于PostgreSQL通过保持 heap页面半空，可以实现大多数行的更新是HOT update，也就是不需要插入索引行，直接在与旧行同一个heap页面中写入新版本行数据即可，因此比平均的QPS比Kunlun-Storage高5%～30%。

不过从测试结果可以看到，PostgreSQL的QPS和延时的波动比较大，因为无法做HOT update的那些更新语句的延时也会大幅提高，也就导致PostgreSQL95%延时反而比MySQL大10%到40%左右。

由于大多数实际使用场景下是无法避免更新索引字段的，并且即使对于不更新索引字段的语句，HOT update也不能保证大概率发生（只有不更新任何索引字段并且heap页面有足够空间存储那个被更新的行的新版本的时候 HOT Update 才能发生），因此PostgreSQL的这种性能优势的覆盖面过于狭窄。

3. PostgreSQL在负载动态变化过程中，有明显的延迟抖动，而Kunlun-Storage性能曲线相对平稳.

-END-

昆仑数据库是一个HTAP NewSQL分布式数据库管理系统，可以满足用户对海量关系数据的存储管理和利用的全方位需求。
应用开发者和DBA的使用昆仑数据库的体验与单机MySQL和单机PostgreSQL几乎完全相同，因为首先昆仑数据库支持PostgreSQL和MySQL双协议，支持标准SQL:2011的 DML 语法和功能以及PostgreSQL和MySQL对标准 SQL的扩展。同时，昆仑数据库集群支持水平弹性扩容，数据自动拆分，分布式事务处理和分布式查询处理，健壮的容错容灾能力，完善直观的监测分析告警能力，集群数据备份和恢复等 常用的DBA 数据管理和操作。所有这些功能无需任何应用系统侧的编码工作，也无需DBA人工介入，不停服不影响业务正常运行。
昆仑数据库具备全面的OLAP 数据分析能力，通过了TPC-H和TPC-DS标准测试集，可以实时分析最新的业务数据，帮助用户发掘出数据的价值。昆仑数据库支持公有云和私有云环境的部署，可以与docker，k8s等云基础设施无缝协作，可以轻松搭建云数据库服务。
请访问 http://www.zettadb.com/ 获取更多信息并且下载昆仑数据库软件、文档和资料。
KunlunDB项目已开源
【GitHub：】
https://github.com/zettadb
【Gitee：】
https://gitee.com/zettadb